【培訓(xùn)對象】
業(yè)務(wù)支撐部、運營分析部、數(shù)據(jù)分析部、大數(shù)據(jù)系統(tǒng)開發(fā)部等對業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)人員。

【培訓(xùn)收益】

第一部分：數(shù)據(jù)建模過程
1、預(yù)測建模六步法
選擇模型：基于業(yè)務(wù)選擇恰當(dāng)?shù)臄?shù)據(jù)模型
屬性篩選：選擇對目標變量有顯著影響的屬性來建模
訓(xùn)練模型：采用合適的算法對模型進行訓(xùn)練，尋找到最合適的模型參數(shù)
評估模型：進行評估模型的質(zhì)量，判斷模型是否可用
優(yōu)化模型：如果評估結(jié)果不理想，則需要對模型進行優(yōu)化
應(yīng)用模型：如果評估結(jié)果滿足要求，則可應(yīng)用模型于業(yè)務(wù)場景
2、數(shù)據(jù)挖掘常用的模型
數(shù)值預(yù)測模型：回歸預(yù)測、時序預(yù)測等
分類預(yù)測模型：邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機等
市場細分：聚類、RFM、PCA等
產(chǎn)品推薦：關(guān)聯(lián)分析、協(xié)同過濾等
產(chǎn)品優(yōu)化：回歸、隨機效用等
產(chǎn)品定價：定價策略/最優(yōu)定價等
3、屬性篩選/特征選擇/變量降維
基于變量本身特征
基于相關(guān)性判斷
因子合并（PCA等）
IV值篩選（評分卡使用）
基于信息增益判斷（決策樹使用）
4、模型評估
模型質(zhì)量評估指標：R^2、正確率/查全率/查準率/特異性等
預(yù)測值評估指標：MAD、MSE/RMSE、MAPE、概率等
模型評估方法：留出法、K拆交叉驗證、自助法等
其它評估：過擬合評估
5、模型優(yōu)化
優(yōu)化模型：選擇新模型/修改模型
優(yōu)化數(shù)據(jù)：新增顯著自變量
優(yōu)化公式：采用新的計算公式
6、模型實現(xiàn)算法（暫略）
7、好模型是優(yōu)化出來的
案例：通信客戶流失分析及預(yù)警模型

第二部分：分類預(yù)測模型
問題：如何評估客戶購買產(chǎn)品的可能性？如何預(yù)測客戶的購買行為？如何提取某類客戶的典型特征？如何向客戶精準推薦產(chǎn)品或業(yè)務(wù)？
1、分類模型概述
2、常見分類預(yù)測模型
3、邏輯回歸模型
邏輯回歸模型原理及適用場景
邏輯回歸的種類
二項邏輯回歸
多項邏輯回歸
如何解讀邏輯回歸方程
帶分類自變量的邏輯回歸分析
多元邏輯回歸
案例：如何評估用戶是否會購買某產(chǎn)品（二元邏輯回歸）
案例：多品牌選擇模型分析（多元邏輯回歸）
4、分類決策樹（DT）
問題：如何預(yù)測客戶行為？如何識別潛在客戶？
風(fēng)控：如何識別欠貸者的特征，以及預(yù)測欠貸概率？
客戶保有：如何識別流失客戶特征，以及預(yù)測客戶流失概率？
決策樹分類簡介
案例：美國零售商（Target）如何預(yù)測少女懷孕
演練：識別銀行欠貨風(fēng)險，提取欠貸者的特征
構(gòu)建決策樹的三個關(guān)鍵問題
如何選擇最佳屬性來構(gòu)建節(jié)點
如何分裂變量
修剪決策樹
選擇最優(yōu)屬性
熵、基尼索引、分類錯誤
屬性劃分增益
如何分裂變量
多元劃分與二元劃分
連續(xù)變量離散化（最優(yōu)劃分點）
修剪決策樹
剪枝原則
預(yù)剪枝與后剪枝
構(gòu)建決策樹的四個算法
C5.0、CHAID、CART、QUEST
各種算法的比較
如何選擇最優(yōu)分類模型？
案例：商場酸奶購買用戶特征提取
案例：客戶流失預(yù)警與客戶挽留
案例：識別拖欠銀行貨款者的特征，避免不良貨款
案例：識別電信詐騙者嘴臉，讓通信更安全
5、人工神經(jīng)網(wǎng)絡(luò)（ANN）
神經(jīng)網(wǎng)絡(luò)概述
神經(jīng)網(wǎng)絡(luò)基本原理
神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
神經(jīng)網(wǎng)絡(luò)的建立步驟
神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問題
BP反向傳播網(wǎng)絡(luò)（MLP）
徑向基網(wǎng)絡(luò)（RBF）
案例：評估銀行用戶拖欠貨款的概率
6、判別分析（DA）
判別分析原理
距離判別法
典型判別法
貝葉斯判別法
案例：MBA學(xué)生錄取判別分析
案例：上市公司類別評估
7、最近鄰分類（KNN）
基本原理
關(guān)鍵問題
8、貝葉斯分類（NBN）
貝葉斯分類原理
計算類別屬性的條件概率
估計連續(xù)屬性的條件概率
貝葉斯網(wǎng)絡(luò)種類：TAN/馬爾科夫毯
預(yù)測分類概率（計算概率）
案例：評估銀行用戶拖欠貨款的概率
9、支持向量機（SVM）
SVM基本原理
線性可分問題：最大邊界超平面
線性不可分問題：特征空間的轉(zhuǎn)換
維空難與核函數(shù)
第三部分：分類模型優(yōu)化
1、集成方法的基本原理：利用弱分類器構(gòu)建強分類模型
選取多個數(shù)據(jù)集，構(gòu)建多個弱分類器
多個弱分類器投票決定
2、集成方法/元算法的種類
Bagging算法
Boosting算法
3、Bagging原理
如何選擇數(shù)據(jù)集
如何進行投票
隨機森林
4、Boosting的原理
AdaBoost算法流程
樣本選擇權(quán)重計算公式
分類器投票權(quán)重計算公式

第四部分：市場細分模型
問題：我們的客戶有幾類？各類特征是什么？如何實現(xiàn)客戶細分，開發(fā)符合細分市場的新產(chǎn)品？如何提取客戶特征，從而對產(chǎn)品進行市場定位？
1、市場細分的常用方法
有指導(dǎo)細分
無指導(dǎo)細分
2、聚類分析
如何更好的了解客戶群體和市場細分？
如何識別客戶群體特征？
如何確定客戶要分成多少適當(dāng)?shù)念悇e？
聚類方法原理介紹
聚類方法作用及其適用場景
聚類分析的種類
K均值聚類（快速聚類）
案例：移動三大品牌細分市場合適嗎？
演練：寶潔公司如何選擇新產(chǎn)品試銷區(qū)域？
演練：如何評選優(yōu)秀員工？
演練：中國各省份發(fā)達程度分析，讓數(shù)據(jù)自動聚類
層次聚類（系統(tǒng)聚類）：發(fā)現(xiàn)多個類別
R型聚類與Q型聚類的區(qū)別
案例：中移動如何實現(xiàn)客戶細分及營銷策略
演練：中國省市經(jīng)濟發(fā)展情況分析（Q型聚類）
演練：裁判評分的標準衡量，避免“黑哨”（R型聚類）
兩步聚類
3、主成分分析
主成分分析方法介紹
主成分分析基本思想
主成分分析步驟
案例：如何評估汽車購買者的客戶細分市場

第五部分：客戶價值分析
營銷問題：如何評估客戶的價值？不同的價值客戶有何區(qū)別對待？
1、如何評價客戶生命周期的價值
貼現(xiàn)率與留存率
評估客戶的真實價值
使用雙向表衡量屬性敏感度
變化的邊際利潤
案例：評估營銷行為的合理性
2、RFM模型（客戶價值評估）
RFM模型，更深入了解你的客戶價值
RFM模型與市場策略
RFM模型與活躍度分析
案例：淘寶客戶價值評估與促銷名單
案例：重購用戶特征分析

第六部分：產(chǎn)品推薦模型
問題：購買A產(chǎn)品的顧客還常常要購買其他什么產(chǎn)品？應(yīng)該給客戶推薦什么產(chǎn)品最有可能被接受？
1、常用產(chǎn)品推薦模型
2、關(guān)聯(lián)分析
如何制定套餐，實現(xiàn)交叉/捆綁銷售
案例：啤酒與尿布、颶風(fēng)與蛋撻
關(guān)聯(lián)分析模型原理（Association）
關(guān)聯(lián)規(guī)則的兩個關(guān)鍵參數(shù)
支持度
置信度
關(guān)聯(lián)分析的適用場景
案例：購物籃分析與產(chǎn)品捆綁銷售/布局優(yōu)化
案例：通信產(chǎn)品的交叉銷售與產(chǎn)品推薦
3、協(xié)同過濾

第七部分：產(chǎn)品設(shè)計優(yōu)化
1、聯(lián)合分析法
2、離散選擇模型
如何評估客戶購買產(chǎn)品的概率
如何指導(dǎo)產(chǎn)品開發(fā)？如何確定產(chǎn)品的重要特性
競爭下的產(chǎn)品動態(tài)調(diào)價
如何評估產(chǎn)品的價格彈性
案例：產(chǎn)品開發(fā)與設(shè)計分析
案例：品牌價值與價格敏感度分析
案例：納什均衡價格
3、品牌價值評估
4、新產(chǎn)品市場占有率評估

第八部分：產(chǎn)品定價策略及產(chǎn)品最優(yōu)定價
營銷問題：產(chǎn)品如何實現(xiàn)最估定價？套餐價格如何確定？采用哪些定價策略可達到利潤最大化？
1、常見的定價方法
2、產(chǎn)品定價的理論依據(jù)
需求曲線與利潤最大化
如何求解最優(yōu)定價
案例：產(chǎn)品最優(yōu)定價求解
3、如何評估需求曲線
價格彈性
曲線方程（線性、乘冪）
4、如何做產(chǎn)品組合定價
5、如何做產(chǎn)品捆綁/套餐定價
最大收益定價（演進規(guī)劃求解）
避免價格反轉(zhuǎn)的套餐定價
案例：電信公司的寬帶、IPTV、移動電話套餐定價
6、非線性定價原理
要理解支付意愿曲線
支付意愿曲線與需求曲線的異同
案例：雙重收費如何定價（如會費+按次計費）
7、階梯定價策略
案例：電力公司如何做階梯定價
8、數(shù)量折扣定價策略
案例：如何通過折扣來實現(xiàn)薄利多銷
9、定價策略的評估與選擇
案例：零售公司如何選擇最優(yōu)定價策略
10、航空公司的收益管理
收益管理介紹
如何確定機票預(yù)訂限制
如何確定機票超售數(shù)量
如何評估模型的收益
案例：FBN航空公司如何實現(xiàn)收益管理（預(yù)訂/超售）
第九部分：信用評分卡模型
1、信用評分卡模型簡介
2、評分卡的關(guān)鍵問題
3、信用評分卡建立過程
篩選重要屬性
數(shù)據(jù)集轉(zhuǎn)化
建立分類模型
計算屬性分值
確定審批閾值
4、篩選重要屬性
屬性分段
基本概念：WOE、IV
屬性重要性評估
5、數(shù)據(jù)集轉(zhuǎn)化
連續(xù)屬性最優(yōu)分段
計算屬性取值的WOE
6、建立分類模型
訓(xùn)練邏輯回歸模型
評估模型
得到字段系數(shù)
7、計算屬性分值
計算補償與刻度值
計算各字段得分
生成評分卡
8、確定審批閾值
畫K-S曲線
計算K-S值
獲取最優(yōu)閾值

第十部分：實戰(zhàn)篇
1、電信業(yè)客戶流失預(yù)警和客戶挽留模型實戰(zhàn)
2、銀行欠貸風(fēng)險預(yù)測模型實戰(zhàn)
3、銀行信用卡評分模型實戰(zhàn)

結(jié)束：課程總結(jié)與問題答疑。 

• 贏在開門紅——養(yǎng)老金、教育金銷售技能提升實戰(zhàn)訓(xùn)練

   

  第一講：后疫情時期的保險業(yè)更值得期待一、我國保險行業(yè)發(fā)展的趨勢1.未來更好：我國保險行業(yè)歷年發(fā)展的大趨勢1）19年前的發(fā)展趨勢2）今年的迅速恢復(fù)2.未來更強：保險深度和密度增長的大空間3.未來更穩(wěn)：監(jiān)管守護行業(yè)可持續(xù)發(fā)展二、后疫情時期保險發(fā)展的機遇（一）經(jīng)濟大形勢的變化1.國際形式2.政府工作報告解讀3.回歸理..

  ￥   元/ 天

  人氣：1286  

  

• 大數(shù)據(jù)及人工智能背景下消費和小微信貸線上獲客、產(chǎn)品設(shè)計、風(fēng)控應(yīng)對策略

   

  第一部分：金融科技發(fā)展?fàn)顩r的介紹一、金融科技的現(xiàn)狀與發(fā)展趨勢（一）宏觀背景1、金融科技（支付寶人臉識別技術(shù)、APPLEPAY、虹膜技術(shù)、二維碼支付技術(shù)）2、利率市場化3、金融脫媒（二）移動互聯(lián)技術(shù)的發(fā)展使互聯(lián)網(wǎng)金融成為可能1、移動互聯(lián)網(wǎng)技術(shù)2、移動支付技術(shù)3、H5、APP（三）互聯(lián)網(wǎng)金融對傳統(tǒng)銀行資產(chǎn)業(yè)務(wù)的顛覆和沖..

  ￥   元/ 天

  人氣：991  

  

• 大數(shù)據(jù)時代——提升患者管理，構(gòu)建專業(yè)藥房

   

  【課程導(dǎo)言】：移動互聯(lián)時代下，實體門店面臨巨大的挑戰(zhàn)，同時也是一種機會。馬云說：不是實體門店不行了，而是你的實體門店不行了。面臨新的沖擊實體店如何進行創(chuàng)新，如何守住老陣地，如何利用新武器，這是所有實體連鎖共同面臨的問題。課程從互聯(lián)網(wǎng)環(huán)境對我們的實體店挑戰(zhàn)和我們面臨的消費者消費習(xí)慣和方式的的變化入手，通過分析新零售良品鋪子，海瀾之家，名創(chuàng)優(yōu)品的..

  ￥   元/ 天

  人氣：779  

  

• 電商互聯(lián)網(wǎng)大數(shù)據(jù)營銷之落地實踐鐵律

   

  課程背景：未來人貨場一切數(shù)字化，數(shù)據(jù)將成為一種資源，沒有數(shù)據(jù)沒有未來，企業(yè)如何構(gòu)建自己的大數(shù)據(jù)未來？人工智能已經(jīng)來臨，人工智能在營銷板塊的應(yīng)用本質(zhì)就是大數(shù)據(jù)營銷！企業(yè)的ERP、CRM、報表等等僅僅是零散的死數(shù)據(jù)，如何激活流動產(chǎn)生閉環(huán)，產(chǎn)生效益？經(jīng)驗將成為負債，未來將利用數(shù)據(jù)產(chǎn)品規(guī)劃、定位、策劃、人群分析、活動策劃，數(shù)據(jù)成為商業(yè)的起點！人為..

  ￥19,100   元/ 天

  人氣：1366  

  

• 電商互聯(lián)網(wǎng)智能商業(yè)：大數(shù)據(jù)營銷分析與落地實踐

   

  課程背景：數(shù)據(jù)是未來企業(yè)唯一資源，大數(shù)據(jù)營銷意味著高效、精準、成本低、全自動化，讓企業(yè)從人海戰(zhàn)、廣告戰(zhàn)、渠道戰(zhàn)的泥潭中拔出來為什么搜索廣告效果差了？為什么團購效果也差了？為什么傳統(tǒng)的用戶細分、STP在大數(shù)據(jù)提出的用戶畫像面前蒼白了？為什么獨角獸全靠增長黑客模式崛起？企業(yè)未來如何搭建科學(xué)的大數(shù)據(jù)營銷隊伍，建立科學(xué)的數(shù)字營銷體！通過互動獲取數(shù)據(jù)，..

  ￥19,100   元/ 天

  人氣：1671  

  

• 大數(shù)據(jù)基礎(chǔ)原理與應(yīng)用

   

  一、運營商網(wǎng)絡(luò)架構(gòu)和技術(shù)選擇1.運營商網(wǎng)絡(luò)架構(gòu)2.運營商業(yè)務(wù)類型3.接入網(wǎng)技術(shù)選擇4.不同業(yè)務(wù)的技術(shù)實現(xiàn)二、全業(yè)務(wù)運營技術(shù)實現(xiàn)1.集團業(yè)務(wù)分類及特點2.集團高等級業(yè)務(wù)特點及業(yè)務(wù)場景3.集團低等級業(yè)務(wù)特點及業(yè)務(wù)場景4.集團高、低等級業(yè)務(wù)要求及技術(shù)選擇5.數(shù)據(jù)專線業(yè)務(wù)及技術(shù)實現(xiàn)6.互聯(lián)網(wǎng)專線業(yè)務(wù)及技術(shù)實現(xiàn)7.集..

  ￥   元/ 天

  人氣：1120